4 个月前

级联稀疏特征传播网络用于交互式分割

级联稀疏特征传播网络用于交互式分割

摘要

我们致力于解决基于点的交互式分割问题,其中的关键挑战是如何高效地将用户提供的注释传播到未标记区域。现有的方法通过使用计算成本高昂的全连接图或牺牲了准确分割所需的重要细粒度信息的变压器架构来应对这一挑战。为克服这些局限性,我们提出了一种级联稀疏特征传播网络,该网络学习一种点击增强的特征表示,以将用户提供的信息传播到未标记区域。我们的网络采用了稀疏设计,能够在高分辨率特征上实现高效的信息传播,从而获得更加详细的对象分割结果。我们通过在多个基准数据集上的全面实验验证了该方法的有效性,实验结果表明我们的方法具有优越的性能。代码可在 \href{https://github.com/kleinzcy/CSFPN}{https://github.com/kleinzcy/CSFPN} 获取。注:在正式文档中,通常会保留超链接的形式而不进行转换。如果需要转换为纯文本形式,请告知。

代码仓库

kleinzcy/csfpn
官方
pytorch

基准测试

基准方法指标
interactive-segmentation-on-berkeleyIA-FP-Net(HRNet, C+L)
NoC@90: 2.12
interactive-segmentation-on-davisIA-FP-Net
NoC@85: 4.03
NoC@90: 5.22
interactive-segmentation-on-grabcutIA-FP-Net
NoC@90: 1.68
interactive-segmentation-on-sbdIA-FP-Net(HRNet,SBD)
NoC@85: 3.33
NoC@90: 5.25

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
级联稀疏特征传播网络用于交互式分割 | 论文 | HyperAI超神经